Architecting Agent Memory: Principles, Patterns and Best Practices (Рубрика Architecture)
Посмотрел интересный доклад Richmond Alake из MongoDB про ключевую роль памяти в создании надежных, правдоподобных и мощных AI-агентов. Ну и в качестве памяти лучше использовать MongoDB, ведь Ричмонду надо было рассказать не просто про все хорошее, а еще и притянуть туда свое вендорское решение. Собственно, Richmond Alake - опытный инженер по машинному обучению и архитектор ИИ в MongoDB Inc., которая разрабатывает и предоставляет коммерческую поддержку для базы данных с открытым исходным кодом MongoDB, а также SaaS-версию продукта под названием Atlas. В феврале 2025 года MongoDB объявила о приобретении Voyage AI - компании-пионера в области создания современных моделей векторных представлений и переранжирования. Voyage AI привлекла 20 миллионов долларов в октябре 2024 года при участии Snowflake. Это приобретение направлено на повышение точности и надежности ИИ-приложений за счет интеграции высококачественных возможностей поиска и извлечения данных непосредственно в платформу баз данных MongoDB.
Ну а теперь поговорим про ключевые идеи выступления
1. Эволюция ИИ-систем Richmond проследил эволюцию от чат-ботов на основе больших языковых моделей к RAG-системам (Retrieval-Augmented Generation), а затем к современным агентным системам. Он подчеркнул, что агентность - это спектр, и различные уровни автономности требуют разных подходов к управлению памятью. 2. Типы памяти агентов В выступлении были рассмотрены различные типы памяти, необходимые для создания интеллектных агентов:
- Краткосрочная память для оперативного контекста
- Долгосрочная память для сохранения опыта между сеансами
- Семантическая память для хранения фактических знаний и концепций
- Эпизодическая память для записи последовательностей прошлых событий и взаимодействий
- Процедурная память для изученных поведений и паттернов действий
- Память персоны для поддержания постоянной личности агента
- Память рабочих процессов для сохранения опыта выполнения задач
- Память инструментов для управления доступными функциями 3. Библиотека Memoriz Автор представил экспериментальную библиотеку с открытым исходным кодом Memorizz. Библиотека содержит паттерны проектирования и типы памяти для ИИ-агентов, предоставляя гибкие фреймворки для одно- и многоагентных систем. Memoriz интегрирует MongoDB с возможностями векторных вложений, обеспечивая семантический поиск по всей сохраненной информации. 4. MongoDB как поставщик памяти Ключевой тезис выступления - MongoDB является поставщиком памяти для агентных систем. Компания предоставляет разработчикам все необходимые возможности для превращения данных в память, делая агентов надежными, правдоподобными и способными. MongoDB Atlas Vector Search позволяет избежать "налога на синхронизацию", сохраняя операционные и векторные данные в одном месте. 5. Управление памятью как ключевая компетенция Richmond предсказал, что в ближайшие месяцы инженеры по ИИ станут инженерами памяти ИИ, фокусируясь на систематическом процессе организации информации для эффективного извлечения и структурирования. Основные компоненты управления памятью включают: генерацию, хранение, извлечение, интеграцию, обновление и реализацию механизмов забывания. 6. Вдохновение из нейробиологии В заключение автор подчеркнул важность изучения природы как лучшего архитектора интеллекта. Он упомянул исследования Хьюбела и Визеля о зрительной коре кошек 1981 года, которые вдохновили создание сверточных нейронных сетей. И MongoDB сотрудничает с нейробиологами и создателями таких проектов, как MemGPT для продвижения к искусственному общему интеллекту.
Выступление Richmond Alake демонстрирует, как MongoDB ловит хайп и стремится стать неотъемлемой частью стека технологий ИИ, предоставляя разработчикам инструменты для создания агентов нового поколения, способных помнить, адаптироваться и совершенствоваться со временем.
#AI #Architecture #Brain #Software #Engineering #Agents